典型文献
基于多级特征图联合上采样的实时语义分割
文献摘要：
视觉感知是无人驾驶技术中的重要一环,而语义分割技术又是实现视觉感知的主要技术手段之一.现在的语义分割技术多采用计算量大、内存占用高的空洞卷积来提取高分辨率特征图,从而导致现在主流的语义分割网络分割速度不足,无法有效应用于无人驾驶的场景中.针对这一问题,提出了一种实时性更好的语义分割网络.首先,采用了一种轻量级的卷积神经网络作为编码器,并且使用跨步卷积和常规卷积替换了耗时、耗内存的空洞卷积.然后,为了得到与DeepLabv v3+相似的特征图,提出了一种新的联合上采样模块:多级特征图联合上采样模块(multi-scale feature map joint pyramid upsamping,MJPU),通过融合编码器的多个特征图,生成了语义信息更加丰富的高分辨率特征图.通过Cityscapes数据集上的实验表明,相比于主流语义分割网络Deeplabv3+,该网络在不损失大量性能的前提下,可以将分割速度提高2.25倍,达到32.3 FPS/s.从而使网络具有更好的实时性,更加适合应用于无人驾驶场景.
文献关键词：
无人驾驶;语义分割;卷积神经网络;深度学习;空洞卷积
中图分类号：
作者姓名：
宋宇;王小瑀;梁超;程超
作者机构：
长春工业大学 计算机科学与工程学院,吉林 长春 130012
文献出处：
引用格式：
[1]宋宇;王小瑀;梁超;程超-.基于多级特征图联合上采样的实时语义分割)[J].计算机技术与发展,2022(02):82-87
A类：
DeepLabv,upsamping,MJPU
B类：
多级特征,特征图,上采样,实时语义分割,视觉感知,无人驾驶技术,语义分割技术,主要技术,计算量,内存占用,空洞卷积,高分辨率特征,语义分割网络,有效应用,轻量级,编码器,跨步,了得,样模,multi,scale,feature,map,joint,pyramid,合编,语义信息,Cityscapes,Deeplabv3+,FPS,驾驶场景
AB值：
0.280579
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
